7. Dezember 2020

Gespaltene Welle

Neuronale Netzwerke zählen zu den wichtigsten Werkzeugen der Künstlichen Intelligenz (KI): Sie sind der Funktionsweise des menschlichen Gehirns nachempfunden und können unter anderem Text, Sprache und Bilder zuverlässig erkennen. Bislang laufen sie als lernfähige Software auf herkömmlichen Prozessoren. Doch die Fachwelt arbeitet an einem alternativen Konzept, dem „neuromorphen Computer“. Hier werden die Schaltstellen des Gehirns – die Neuronen – nicht per Software simuliert, sondern von Hardware-Bauteilen nachgebildet. Ein Team des Helmholtz-Zentrums Dresden-Rossendorf (HZDR) zeigt nun einen neuen Ansatz für eine solche Hardware auf – magnetische Wellen, die gezielt in mikrometerkleinen Scheiben erzeugt und aufgeteilt werden. Damit könnten sich in Zukunft Optimierungsaufgaben und Mustererkennung schneller und energieeffizienter erledigen lassen.


Als Basis verwendet das Team eine winzige, wenige Mikrometer messende Scheibe aus Eisen-Nickel, einem magnetischen Material. Um diese Scheibe herum ist ein Goldring angebracht: Von einem Wechselstrom im Gigahertz-Bereich durchflossen, strahlt er Mikrowellen ab, die in der Scheibe sogenannte Spinwellen anregen. „Die Elektronen im Eisen-Nickel besitzen einen Spin, eine Art Eigendrall ähnlich wie bei einem Kreisel“, erläutert Helmut Schultheiß, Leiter der Emmy Noether-Gruppe „Magnonik“ am HZDR. „Mit den Mikrowellen-Impulsen bringen wir die Elektronen-Kreisel ein wenig aus dem Takt.“ Anschließend geben die Elektronen diese Störung an ihre jeweiligen Nachbarn weiter – was zur Folge hat, dass eine Spinwelle durchs Material jagt. Dadurch lassen sich Informationen überaus effizient transportieren, ohne dass sich Elektronen bewegen müssen, wie es heute in einem Computerchip geschieht.

Bereits 2019 stellte die Gruppe um Schultheiß etwas Bemerkenswertes fest: Unter bestimmten Umständen lässt sich die in der Magnetscheibe erzeugte Spinwelle aufspalten, und zwar in zwei Wellen von jeweils geringerer Frequenz. „Grund dafür sind sogenannte nichtlineare Effekte“, erläutert Schultheiß´Kollege Lukas Körber. „Sie werden erst dann wirksam, wenn die eingestrahlte Mikrowellenleistung über einer bestimmten Schwelle liegt.“ Dieses Verhalten macht die Spinwellen zu aussichtreichen Kandidaten für künstliche Neuronen, denn es gibt eine verblüffende Parallele zur Arbeitsweise des Gehirns: Auch dessen Neuronen feuern erst, wenn eine gewisse Reizschwelle überschritten ist.


Lockvogel aus Mikrowellen

Allerdings konnten die Wissenschaftler*innen das Aufteilen der Spinwelle anfangs nur ungenau steuern. Der Grund: „Wenn wir die Mikrowelle in die Scheibe schickten, teilte sich die Spinwelle erst mit einer gewissen Verzögerung in zwei neue Wellen auf“, erzählt Körber. „Und dieser Zeitverzug war nur schlecht unter Kontrolle zu bringen.“ Also musste sich das Team einen Trick einfallen lassen, den es nun in den Physical Review Letters vorstellt: Zusätzlich zum Goldring wird ein kleiner magnetischer Streifen in die Nähe der Magnetscheibe gebracht. Ein kurzes Mikrowellen-Signal erzeugt in diesem Streifen eine Spinwelle. Diese kann mit der Spinwelle in der Scheibe wechselwirken und dadurch als eine Art Lockvogel fungieren: Die Spinwelle im Streifen motiviert die Welle in der Scheibe dazu, sich schneller aufzuteilen. „Ein ganz kurzes Zusatzsignal genügt, dass das Aufteilen deutlich früher einsetzt“, erklärt Körber. „Dadurch können wir den Prozess nun gezielt auslösen und den Zeitversatz kontrollieren.“ 

Damit ist der Nachweis erbracht, dass die Spinwellen-Scheiben im Prinzip als künstliche Hardware-Neuronen taugen – sie schalten ähnlich wie die Nervenzellen im Gehirn und lassen sich gezielt ansteuern. „Als nächstes wollen wir ein kleines Netzwerk aus unseren Spinwellen-Neuronen bauen“, kündigt Helmut Schultheiß an. „Dieses neuromorphe Netzwerk soll dann einfache Aufgaben lösen können, etwa simple Muster erkennen.“  


Gesichtserkennung und Verkehrsoptimierung

Die Mustererkennung zählt zu den wichtigsten Anwendungen in der KI. Beispielsweise macht die Gesichtserkennung auf dem Smartphone die Eingabe eines Passworts überflüssig. Damit das funktioniert, muss im Vorfeld ein neuronales Netzwerk trainiert werden, was eine enorme Rechenleistung und gewaltige Datenmengen erfordert. Die Smartphone-Hersteller übertragen dieses Netzwerk auf einen Spezialchip, der dann im Handy verbaut wird. Doch dieser Chip besitzt ein Manko: Er ist nicht lernfähig, weshalb er beispielsweise keine Gesichter mit Corona-Maske erkennen kann.

Ein neuromorpher Computer dagegen könnte auch mit solchen Situationen umgehen: Seine Bauelemente sind im Gegensatz zu einem konventionellen Chip nicht fest verdrahtet, sondern funktionieren ähnlich wie die Nervenzellen im Gehirn. „Dadurch könnte ein neuromorpher Rechner ähnlich wie der Mensch große Datenmengen gleichzeitig verarbeiten, und zwar sehr energieeffizient“, schwärmt Schultheiß. Außer für die Mustererkennung würde sich der neue Rechnertyp für ein weiteres wirtschaftlich relevantes Feld anbieten: für Optimierungsaufgaben wie die hochpräzise Routenplanung auf dem Smartphone.
-> Zur News des HZDR.

Foto ©HZDR/Sahneweiß/H. Schultheiß: Prinzip des neuromorphen Computers: Schaltstellen des Gehirns werden mit magnetischen Wellen nachgebildet, die in mikroskopisch kleinen Magnetscheiben gezielt durch nichtlineare Prozesse erzeugt und aufgeteilt werden.

Das könnte Sie auch interessieren

13. Okt 2020

Schlüsseltech­nologie Leichtbau

Leichtbau-Allianz Sachsen gibt Handlungsemp­fehlungen für Wirtschaft, Wissenschaft und Fachkräfte Sachsen hat Potenzial, das deutsche Leichtbauland zu werden. Schon heute hängen…

WEITERLESEN

17. Sep 2019

Automatisierte Wartung in der Windenergie

Der Ausbau von Windenergieanlagen an Land stockt. Das liegt vor allem an zu wenig geeigneten Flächen und Protesten von Anwohnern.…

WEITERLESEN

19. Okt 2018

Intelligent und vielfältig: additiv gefertigte Multi-Materialien

Wissenschaftler am Instituts für Leichtbau und Kunststofftechnik (ILK) der TU Dresden entwickelten ein 3D-Druck-Verfahren, das thermoplastische Kunststoffe mit kontinuierlichen Verstärkungsfasern…

WEITERLESEN